Участник:Rgazizullina
Материал из MachineLearning.
м (Новая: Газизуллина Римма МФТИ, 174 группа) |
м |
||
| Строка 1: | Строка 1: | ||
Газизуллина Римма | Газизуллина Римма | ||
| - | МФТИ, 174 группа | + | МФТИ, ФУПМ, 174 группа |
| + | |||
| + | |||
| + | |||
| + | == Отчет о научно-исследовательской работе == | ||
| + | |||
| + | '''Весна 2014, 6-й семестр''' | ||
| + | |||
| + | '''Прогнозирование объемов железнодорожных грузоперевозок по парам веток''' | ||
| + | |||
| + | ''Работа посвящена исследованию алгоритма непараметрического прогнозирования объемов железнодорожных грузоперевозок. Рассматривается задача прогнозирования количества вагонов с различными грузами, следующих по различным маршрутам. Задана топология железнодорожной сети — для всех возможных пар железнодорожных веток дана информация о всех блоках вагонов, совершивших переезд с одной ветки на другую, включая количество вагонов в блоке, вид груза и дату прохождения маршрута. Для построения прогноза используется алгоритм, основанный на свертке эмпирической плотности распределения значений временного ряда с функцией потерь. Ранее прогноз выполнялся для каждого железнодорожного узла в отдельности. Предлагается повысить качество прогноза за счет прогнозирования по парам веток вместо прогнозирования отправления всех вагонов с данного узла. Алгоритм проиллюстрирован посуточными данными за полтора года о перевозках 38 типов грузов. | ||
| + | '' | ||
Версия 11:26, 14 августа 2014
Газизуллина Римма МФТИ, ФУПМ, 174 группа
Отчет о научно-исследовательской работе
Весна 2014, 6-й семестр
Прогнозирование объемов железнодорожных грузоперевозок по парам веток
Работа посвящена исследованию алгоритма непараметрического прогнозирования объемов железнодорожных грузоперевозок. Рассматривается задача прогнозирования количества вагонов с различными грузами, следующих по различным маршрутам. Задана топология железнодорожной сети — для всех возможных пар железнодорожных веток дана информация о всех блоках вагонов, совершивших переезд с одной ветки на другую, включая количество вагонов в блоке, вид груза и дату прохождения маршрута. Для построения прогноза используется алгоритм, основанный на свертке эмпирической плотности распределения значений временного ряда с функцией потерь. Ранее прогноз выполнялся для каждого железнодорожного узла в отдельности. Предлагается повысить качество прогноза за счет прогнозирования по парам веток вместо прогнозирования отправления всех вагонов с данного узла. Алгоритм проиллюстрирован посуточными данными за полтора года о перевозках 38 типов грузов.
